Enterprise Framework für Data Scientists

Ab sofort ist Neo4j for Graph Data Science verfügbar. Dieses Framework sorgt für native Graphenanalytik in Verbindung mit einer Graphdatenbank und Visualisierungsfunktionen sowie skalierbaren Graph-Algorithmen. Es handelt sich also um ein Toolset, mit dem Data Scientists vernetzte Daten analysieren und Machine-Learning-Modelle erstellen können.

Neo4j for Graph Data Science Toolset (Quelle: Neo4j)

Mit Neo4j for Graph Data Science ziehen Anwender aussagekräftige, aber bislang weitgehend ungenutzte Beziehungen und Netzwerkstrukturen für ihre Analysen heran. Anwendungsfälle reichen von der eindeutigen Nachverfolgung von Webseiten-Besuchern über mehrere Plattformen und Touchpoints hinweg bis zur Betrugsaufdeckung auf Grund verdächtiger Datenmuster oder der Erforschung von Krankheiten und ihren Behandlungsmöglichkeiten.

Das Framework bietet Data Scientists eine leistungsstarke und praxistaugliche Arbeitsumgebung: Die native und persistente Modellierung ermöglicht die flexible Projektion von In-Memory-Graphen. Dank des Visualisierungstools Neo4j Bloom können die Ergebnisse anschaulich dargestellt und geteilt werden, wodurch Lösungen schneller entwickelt werden können. Skalierbare Graph-Algorithmen lassen sich zudem in reproduzierbare Abläufe integrieren und erlauben datenbasierte Vorhersagen. Dazu gehören beispielsweise Community Detection- und Similarity-Algorithmen zur Identifizierung von Clustern und Nearest-Neighbor-Heuristiken, Centrality-Algorithmen zur Identifizierung von Influencern sowie Pathfinding und Link Prediction-Algorithmen für topologische Mustererkennung.

Weitere Informationen: https://neo4j.com